ระบบจดจำใบหน้า DFace v0.5

DFace คือระบบตรวจจับใบหน้าและจดจำใบหน้าแบบโอเพ่นซอร์สการเรียนรู้เชิงลึก ฟังก์ชั่นทั้งหมดได้รับการพัฒนาโดยใช้กรอบงาน pytorch Pytorch เป็นเฟรมเวิร์กการเรียนรู้เชิงลึกที่พัฒนาโดย Facebook ประกอบด้วยฟีเจอร์ขั้นสูงที่น่าสนใจ เช่น การได้มาโดยอัตโนมัติ การจัดองค์ประกอบแบบไดนามิก เป็นต้น DFace สืบทอดข้อดีเหล่านี้มาโดยธรรมชาติ ทำให้กระบวนการฝึกอบรมง่ายขึ้นและสะดวกยิ่งขึ้น และโค้ดที่นำมาใช้มีความชัดเจนและเข้าใจง่ายขึ้น DFace สามารถใช้ประโยชน์จาก CUDA เพื่อรองรับโหมดเร่งความเร็ว GPU เราขอแนะนำให้ลองใช้โหมด Linux GPU ซึ่งสามารถให้เอฟเฟกต์ได้เกือบเรียลไทม์

หากคุณสนใจ DFace และต้องการเข้าร่วมในโครงการนี้ TODO ต่อไปนี้เป็นฟังก์ชันบางอย่างที่ต้องดำเนินการ

1. พัฒนาฟังก์ชันการเปรียบเทียบใบหน้าตามหลักการสูญเสียตรงกลางหรือการสูญเสียแบบแฝด และแบบจำลองใช้ ResNet inception v2 คุณสมบัตินี้จะเปรียบเทียบความคล้ายคลึงกันของรูปภาพใบหน้าสองรูป สำหรับรายละเอียด โปรดดูที่ Paper และ FaceNet

2. ฟังก์ชั่นป้องกันการฉ้อโกง ซึ่งป้องกันการโจมตีด้วยภาพถ่าย การโจมตีทางวิดีโอ การโจมตีแบบเล่นภาพ ฯลฯ โดยอิงตามลักษณะของใบหน้า เช่น แสงและพื้นผิว สำหรับรายละเอียด โปรดดูอัลกอริทึม LBP และโมเดลการฝึก SVM

3. ใบหน้า 3 มิติป้องกันการฉ้อโกง

4. การปลูกถ่ายแบบเคลื่อนที่: ย้ายโมเดลที่ได้รับการฝึกด้วยไพทอร์ชไปยัง caffe2 ตามมาตรฐาน ONNX และอัลกอริธึมตัวเลขบางตัวจะถูกนำไปใช้ใน c++

5. การปลูกถ่าย Tensor RT พร้อมกันสูง

6. รองรับนักเทียบท่า รุ่น GPU

ติดตั้ง

DFace มีสองโมดูลหลักๆ ได้แก่ การตรวจจับใบหน้าและการจดจำใบหน้า ฉันจะอธิบายขั้นตอนโดยละเอียดสำหรับการฝึกอบรมและใช้งานโมเดลทั้งหมด ก่อนอื่นคุณต้องสร้างสภาพแวดล้อมแบบหลามสำหรับ pytorch และ cv2 ฉันแนะนำให้ใช้ Anaconda เพื่อตั้งค่าสภาพแวดล้อมเสมือนที่เป็นอิสระ หากคุณใช้โหมดการฝึกอบรม GPU คุณจะต้องติดตั้ง cuda และ cudnn ของ Nvidia ปัจจุบันผู้เขียนชอบสภาพแวดล้อมการติดตั้ง Linux Ubuntu ขอขอบคุณชาวเน็ตที่กระตือรือร้นในการมอบประสบการณ์การติดตั้ง Windows DFace สำหรับคำแนะนำในการติดตั้ง Windos แบบละเอียด โปรดดูที่บล็อกของเขา

พึ่งพา

คูด้า 8.0

อนาคอนด้า

ไพทอร์ช

การมองเห็นคบเพลิง

CV2

matplotlib